民航行业发展预警方法研究与应用

论文摘要

民航行业的发展受到众多因素的影响,具有高敏感性、高风险性的特点,为了有效规避风险,需要敏锐掌握民航行业未来一段时间可能出现的异常情况。基于此,本文对民航行业发展预警方法进行了研究。本文构建了一套基于预警信号灯系统和长短期记忆网络(Long Short Term Memory,LSTM)的民航行业发展预警方法,将传统的预警方法与深度学习方法中的LSTM算法相结合,解决了传统的预警方法中预测功能较弱的问题,提高了对未来警情预测的准确性。本文的研究过程分为五步:一是选取预警指标,通过预警指标初选和优选,建立了包含19个三级指标的预警指标体系;二是确定各预警指标的权重,本文采取的方法是标准差修正序关系法;三是构建预警信号灯系统,并对以往年份的警情进行分析;四是构建LSTM预测模型,并对预警指标2019年和2020年的值进行预测;五是结合预警信号灯系统和LSTM预测模型预测未来的警情。研究表明:本文构建的基于预警信号灯系统和LSTM预测模型的预警方法能较好地反映中国民航行业的发展状况,且对预警指标的预测准确率较高。2019年和2020年的警情可总结为四点:发展规模增速出现较大下降;安全形势较为严峻;保障能力不足的问题较为突出;宏观经济下行压力较大。

论文目录

摘要

Abstract

第一章绪论

1.1 研究背景及研究意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 国外预警理论与方法研究

1.2.2 国内预警理论与方法研究

1.2.3 交通运输领域预警研究

1.2.4 研究现状评述

1.3 研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

1.4 本文的创新之处

第二章民航行业发展预警的内涵及相关方法

2.1 民航行业发展预警的内涵

2.2 常用的预警方法

2.2.1 景气指数预警法

2.2.2 景气调研预警法

2.2.3 预警信号灯系统法

2.3 时间序列预测方法概述

2.4 本文构建的民航行业发展预警方法

2.5 本章小结

第三章民航行业发展预警指标选取及权重确定方法

3.1 预警指标体系的建立

3.1.1 预警指标选取原则

3.1.2 预警指标初选

3.1.3 K-L信息量法

3.1.4 基于K-L信息量法的预警指标优选结果

3.2 预警指标权重的确定方法

3.2.1 标准差修正序关系法的原理

3.2.2 标准差修正序关系法的计算步骤

3.3 本章小结

第四章民航行业发展预警信号灯系统及预测模型构建

4.1 民航行业发展预警信号灯系统构建方法

4.1.1 预警信号灯系统构建步骤

4.1.2 预警信号灯系统构建原理

4.2 基于LSTM的预测模型构建方法

4.2.1 LSTM神经网络概述

4.2.2 基于LSTM的预测模型构建

4.2.3 LSTM预测模型算法设计

4.3 本章小结

第五章民航行业发展预警实证分析

5.1 预警指标的数据来源与说明

5.2 预警指标权重计算结果

5.3 预警信号灯系统构建结果

5.3.1 各指标预警区间划分

5.3.2 民航行业发展预警信号灯图

5.3.3 以往年份警情分析

5.4 基于LSTM的预警指标预测结果

5.4.1 预测模型的训练

5.4.2 预测模型的检验

5.4.3 预警指标预测结果

5.5 基于预警信号灯和LSTM的警情预测结果

5.6 本章小结

第六章结论与展望

6.1 研究结论

6.2 研究不足与展望

致谢

参考文献

附录 A

附录 B

作者简介

文章来源

类型: 硕士论文

作者: 张燕

导师: 李晓津

关键词: 中国民航业,预警指标,预警信号灯系统,长短期记忆网络

来源: 中国民航大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,经济与管理科学

专业: 数学,航空航天科学与工程,宏观经济管理与可持续发展,交通运输经济

单位: 中国民航大学

分类号: F224;F562

DOI: 10.27627/d.cnki.gzmhy.2019.000274

总页数: 76

文件大小: 1880K

下载量: 48

民航行业发展预警方法研究与应用

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢